随着人工智能技术的发展,自动驾驶的功能也更加完善。在自动驾驶任务中,地图是机器人定位导航任务的关键,导航地图可以用来实现机器人定位和路径规划任务。但是在户外由于光线问题的影响,一般选择使用激光雷达来构建用于定位的点云地图。在创建用于规划的地图时,需要区分可行驶的区域,在该问题上因为激光雷达的规格差异,会导致许多限制。一般情况下,在构建完点云地图后,还需要通过人工的方式来标出可行驶区域来完成规划地图的制作。所以针对上述问题,本文的研究内容为:1)提出一种基于图像和点云融合方式来构建园区导航地图的方法,使用该方法可以在低成本传感器的基础上来精确完成构建点云地图和栅格地图。该方法同步收集两种传感器的信息,使用激光点云来获得车辆的姿态;同时对图像数据进行处理,来获得语义信息。2)使用多种数据集和先进的语义分割网络模型来提高在实际行驶场景中的语义分割效果。使用调整后的模型对图像来进行语义分割任务,再根据传感器的内外参矩阵计算得到语义点云。于此同时,根据传感器模型提出一种新的过滤方法来修正错误的语义分割点来提高可行驶区域地图的效果。3)通过在真实场景和仿真场景中收集点云和图像数据集,来验证整个算法流程建图的效果。